【工程类】【Hadoop】Hadoop streaming 在使用stream.num.map.output.key.fields命令时注意事项

1、使用HadoopStreaming的一个小case，分享给大家，避免日后出bug：
当我们在用-D stream.num.map.output.key.fields="2"这个参数时，如果map端输出的长度小于或者等于2，则在reduce端打印的时候会多加一个空值。
比如：

Hadoop streaming 使用-D stream.num.map.output.key.fields="2"参数

map 端输出
A\tB

reduce端输出
A\tB\t""

2、二次排序
如果我们仅仅想将第一个字段分桶，而将前两个字段进行排序，例如，给定txt文件

a       2       11      22
b       3       11      22
c       4       11      22
a       1       11      22
b       2       11      22
c       1       11      22
a       5       11      22

假设我们希望得到

a	1	11	22
a	2	11	22
a	5	11	22

b	2	11	22
b	3	11	22

c	1	11	22
c	4	11	22

即第一列将其分到相应的桶中，第二列也进行排序。则我们可以用这两个参数

-jobconf stream.num.map.output.key.fields=2

-jobconf num.key.fields.for.partition=1

-partitioner org.apache.hadoop.mapred.lib.KeyFieldBasedPartitioner

stream.num.map.output.key.fields=2表示我们用前两个字段进行排序。num.key.fields.for.partition=1 表示我们用第一个字段进行分桶。排序方式使用org.apache.hadoop.mapred.lib.KeyFieldBasedPartitioner （必须）、